// PART 01全体像（5/5 完成）
01·017 min
医療者のための機械学習入門
— 重回帰分析の限界と、非線形データを扱える機械学習
機械学習が注目される理由を、重回帰分析との対比で整理。FIM予後予測や歩行自立予測への応用イメージを掴みます。
// overview / introREAD →
01·028 min
統計モデル・機械学習・生成AIの違い
— 医療AI研究で「説明・予測・生成」をどう使い分けるか
推定・予測・生成。3つの目的の違いを整理し、研究テーマに応じた手法選択の基準を示します。
// overview / paradigmREAD →
01·037 min
回帰・分類・クラスタリング・生成の違い
— 医療AI研究でタスクをどう見分けるか
機械学習の代表的な4タスク類型を、リハビリ研究の例で対応付けます。
// overview / tasksREAD →
01·049 min
医療AI研究の進め方
— 研究疑問から論文化までの7ステップ
研究疑問の立案からモデル展開、論文投稿まで。医療AI研究の典型的な工程を一枚絵で示します。
// overview / workflowREAD →
01·057 min
予測モデルとは何か
— 入院時情報から将来の転帰を推定する考え方
説明変数と目的変数、回帰と分類、評価指標の前提。FIM予後予測や退院時歩行自立予測を例に基本を整理します。
// overview / prediction-modelREAD →
// PART 02データを整える（1/7 公開中）
// PART 03医療AI・機械学習アルゴリズム図鑑（5/15 公開中）
03·018 min
線形回帰
— 連続値予測の最小単位
退院時FIM予測を題材に、最小二乗法から決定係数・残差プロットまで。全アルゴリズムの基礎となる「重み付き和」の世界。
// algorithm / linearREAD →
03·0210 min
ロジスティック回帰
— リハビリ予後予測の最重要モデル
自宅退院可否を題材に、シグモイド関数・オッズ比・係数の臨床的解釈まで。リハ研究で最も登場するアルゴリズム。
// algorithm / classificationREAD →
03·039 min
正則化(Lasso / Ridge / Elastic Net)
— 過学習・多重共線性への構造的対処
L1（Lasso）・L2（Ridge）・Elastic Net の幾何学的違いと使い分けを、リハ予後予測の例とCVによるλ調整つきで整理。
// algorithm / regularizationREAD →
03·047 min
k近傍法(kNN)
— 似た症例から予測する距離ベースの機械学習
kの選び方・標準化・次元の呪い・KNNImputer まで、リハ研究での類似症例検索の使い方を実装と一緒に整理。
// algorithm / distanceREAD →
03·057 min
ナイーブベイズ
— ベイズの定理から考える確率ベースの分類
ベイズの定理・条件付き独立仮定・GaussianNB / MultinomialNB / BernoulliNB の使い分け、テキスト分類と Calibration の注意点まで整理。
// algorithm / probabilisticREAD →
// PART 09医療AI研究の落とし穴と対策（2/11 公開中）
// PART 14触って学ぶデモ（1/8 公開中）
// UPCOMING近日公開予定
第2部「医療AI・機械学習のための臨床データ前処理」残り 6 記事、第3部「医療AI・機械学習アルゴリズム図鑑」残り 10 記事、第9部「医療AI研究の落とし穴と対策」残り 9 記事、第14部「触って学ぶデモ」残り 7 デモは順次公開予定です。最新のリリース予定は カテゴリ一覧 をご覧ください。